基于数据/机理融合的车辆动力学参数识别方法技术

本发明专利技术属于车辆动力学参数辨识技术领域，提出了基于数据/机理融合的车辆动力学参数识别方法，包括步骤：步骤1：车辆动力学模型参数识别需求；步骤2：采集数据；步骤3：建立候选函数库及物理约束；步骤4：建立目标识别函数及求解；步骤5：BIC准则选择最终动力学模型。本发明专利技术所提出的方法能够弥补传统车辆参数识别方法不能处理未建模误差的缺点；同时，车辆模型中已知的非线性可以极大提高数据驱动方法的精度和工况适应性。度和工况适应性。度和工况适应性。

【技术实现步骤摘要】
基于数据/机理融合的车辆动力学参数识别方法


[0001]本专利技术属于车辆动力学参数辨识
，涉及一种用于车辆动力学参数的参数辨识方法。

技术介绍

[0002]准确和实时地识别车辆参数对于自动驾驶汽车系统、车辆动力学控制和底盘控制等控制系统的性能至关重要。非线性轮胎特性和多组件之间耦合效应使车辆参数识别具有挑战性。一些研究人员通常利用合理假设来简化模型，以减少识别困难和工作量，然而简化的车辆模型不足以描述车辆运动接近其物理极限时车辆的高度非线性动力学。这会导致控制器或估计器出现超调和稳态误差，严重时可能导致交通事故。因此需要选择合适复杂程度的车辆模型，并开发出能够识别该模型的识别算法，成为当前研究的焦点。
[0003]实际车辆系统中主要包括已知车辆模型动态和未知建模动态。现有针对已知车辆模型的参数识别方法，利用采集数据拟合得到车辆模型参数。由于忽略了现有已知车辆模型的未建模动态，极大的限制了该类方法的参数识别精度。另一类参数识别方法主要基于机器学习算法，利用采集数据集对神经网络进行训练，进而得到能够表征车辆动态的神经网络模型。该类方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于数据/机理融合的车辆动力学参数识别方法，其特征在于，包括步骤：步骤1：车辆动力学模型参数识别需求；步骤2：采集数据；步骤3：建立候选函数库及物理约束；步骤4：建立目标识别函数及求解；步骤5：BIC准则选择最终动力学模型。2.如权利要求1所述的方法，其特征在于，所述步骤1：首先，识别不同类型的车辆动力学模型参数需要不同的状态变量和候选函数库；根据车辆决策、控制、规划系统所提出的需求，包括需要识别轮胎模型参数、路面参数和车辆结构参数，得到需要采集的状态变量，建立相应的候选函数库及物理约束。3.如权利要求1所述的方法，其特征在于，所述步骤2：采集车辆固有参数和实时车辆状态变量两类数据；首先，对车辆的固有参数进行测量，包括质量、轴距、轮距、车轮半径，为步骤3中的候选函数之间的物理约束的建立提供基础；其次，实时车辆状态变量采集，利用车载传感器对车辆的车速、轮速、加速度、角速度、驱动电机转矩进行采集，为步骤4中的参数识别优化求解提供数据源。4.如权利要求1所述的方法，其特征在于，所述步骤3：由三部分组成，分别为建立已知模型的候选函数库...

【专利技术属性】
技术研发人员：陈虹，李斌，张琳，卢佳兴，
申请(专利权)人：同济大学，
类型：发明
国别省市：